APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)
|
|
- Susanto Atmadjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) 1Venny Riana Agustin, 2 Wahyu H. Irawan 1 Jurusan Matematika, Universitas Islam Negeri Maulana Malik Ibrahim Malang 2 Jurusan Matematika, Universitas Islam Negeri Maulana Malik Ibrahim Malang agustinvenny@gmail.com ABSTRAK Metode Tsukamoto merupakan salah satu metode fuzzy inference system pada logika kabur untuk pengambilan keputusan. Tahapan pengambilan keputusan pada metode ini yaitu pengaburan (proses mengubah masukan tegas menjadi masukan kabur), pembentukan aturan kabur, analisis logika kabur, penegasan, serta penarikan kesimpulan dan interpretasi hasil. Hasil yang diperoleh, metode Tsukamoto bekerja melalui tahapan pengaburan (proses mengubah masukan tegas menjadi masukan kabur), pembentukan aturan kabur dengan rumus umum IF a adalah A THEN b adalah B, analisis logika kabur untuk mendapatkan nilai α tiap aturan, penegasan dengan rata-rata terbobot, serta penarikan kesimpulan dan interpretasi hasil. Pada contoh kasus pelanggan dengan nilai 16 kualitas pelayanan, nilai 17 kualitas barang, dan nilai 16 pada harga, diperoleh hasil dengan nilai kepuasan 45,29063 dan tingkat kepuasannya adalah rendah. Kata kunci: logika kabur, metode Tsukamoto, kepuasan pelanggan ABSTRACT Tsukamoto method is one method of fuzzy inference system on fuzzy logic for decision making. Steps of the decision making in this method, namely fuzzyfication (process changing the input into kabur), the establishment of fuzzy rules, fuzzy logic analysis, defuzzyfication (affirmation), as well as the conclusion and interpretation of the results. The results from this research are steps of the decision making in Tsukamoto method, namely fuzzyfication (process changing the input into kabur), the establishment of fuzzy rules by the general form IF a is A THEN b is B, fuzzy logic analysis to get α in every rule, defuzzyfication (affirmation) by weighted average method, as well as the conclusion and interpretation of the results. On customers at the case, in value of 16 the quality of services, the value of 17 the quality of goods, and value of 16 a price, a value of the results is 45,29063 and the level is low satisfaction. Keyword: fuzzy logic, Tsukamoto method, customer satisfaction PENDAHULUAN Ilmu matematika semakin berkembang seiring dengan kesadaran kemudahan menggunakannya dalam berbagai hal. Berbagai bidang ilmu matematika seperti aljabar, terapan, dan komputer banyak dijumpai untuk menyelesaikan suatu permasalahan. Salah satu ilmu matematika dalam bidang aljabar yang dapat diterapkan langsung dalam kehidupan yakni logika kabur. Logika kabur merupakan cabang yang menginterpretasikan pernyataan yang samar menjadi sebuah pengertian yang logis. Dalam kehidupan sehari-hari, tidak semua perkara bernilai dua hal, benar dan salah. Ada pernyataan yang bernilai tidak benar, benar, dan benar sekali. Dalam menyelesaikan pernyataan di atas, secara umum logika kabur mempunyai 3 metode yaitu metode Mamdani, metode Sugeno, dan metode Tsukamoto. Pada metode Tsukamoto, implikasi setiap aturan berbentuk implikasi sebab-akibat atau implikasi input-output dimana antara sebab (anteseden) dan akibat (konsekuen) harus ada hubungannya. Setiap aturan direpresentasikan menggunakan himpunan kabur, dengan fungsi keanggotaan yang monoton. Kemudian untuk menentukan hasil tegas digunakan rumus penegasan (defuzzyfikasi). Artikel ini merupakan upaya untuk mengaplikasikan logika kabur pada pemasaran dalam rangka pengembangan. Penelitian ini dilakukan untuk mengetahui langkah-langkah aplikasi pengambilan keputusan dengan metode Tsukamoto dalam menentukan tingkat kepuasan pelanggan Toko Kencana Kediri.
2 Venny Riana Agustin KAJIAN TEORI 1. Himpunan Kabur Himpunan kabur adalah suatu himpunan yang berisi unsur-unsur yang memiliki tingkat keanggotaan yang bervariasi dari himpunan. Hal ini bertolak belakang dengan himpunan klasik, atau tegas, karena anggota himpunan tegas tidak akan menjadi anggota kecuali keanggotaannya penuh atau lengkap. Anggota dalam himpunan kabur karena keanggotaannya tidak perlu lengkap maka anggota kabur yang lain juga dapat menjadi anggota di semesta yang sama [1]. 2. Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan [2]. a. Fungi keanggotaan linier turun Representasi linier turun merupakan kebalikan dari linier naik. Garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah. 0 x b b x μ(x) = { a x b b a 1 x a b. Fungsi keanggotaan linier naik Garis lurus dimulai pada nilai domain yang memiliki derajat keanggotaan nol bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi. 0 x a x a μ(x) = { b a 1 x b a x b 3. Aturan Kabur JIKA-MAKA Aturan umum kabur JIKA-MAKA mempunyai bentuk JIKA a 1 adalah A 1 DAN DAN a n adalah A n MAKA b adalah B. Dengan A dan B adalah nilai linguistik yang dinyatakan dengan himpunan kabur dalam semesta pembicaraan. a 1 adalah A 1 dan a n adalah A n disebut sebagai anteseden, sedangkan b adalah B disebut konsekuen [3]. 4. Sistem Kendali Kabur Sistem kendali kabur merupakan sistem yang berfungsi untuk mengendalikan proses tertentu dengan menggunakan aturan inferensi berdasarkan logika kabur. [4] menyebutkan bahwa pada dasarnya sistem kendali semacam itu terdiri dari 4 unit, yaitu: 1. Pengaburan (Fuzzyfikasi) Karena sistem kendali logika kabur bekerja dengan kaidah dan masukan kabur, maka langkah pertama adalah mengubah masukan yang tegas yang diterima menjadi masukan kabur. Untuk masingmasing variabel masukan ditentukan suatu fungsi fuzzyfikasi yang akan mengubah nilai variabel masukan yang tegas (biasanya dinyatakan dalam bilangan real) menjadi nilai pendekatan kabur. Jadi, fungsi fuzzyfikasi adalah pemetaan f: R K, dimana K adalah suatu kelas himpunan kabur dalam semesta R. 2. Basis pengetahuan Basis data (data base), memuat fungsi-fungsi keanggotaan dari himpunan-himpunan kabur yang terkait dengan nilai dari variabel linguistik yang dipakai. Basis kaidah (rule base), memuat kaidahkaidah berupa implikasi kabur. 3. Penalaran logika kabur Masukan kabur hasil pengolahan fuzzyfikasi diterima oleh penalaran untuk disimpulkan berdasarkan kaidah-kaidah yang tersedia dalam basis pengetahuan. Penarikan kesimpulan itu dilaksanakan berdasarkan aturan modus ponen. 4. Penegasan (Defuzzyfikasi) Kesimpulan/keluaran dari sistem kendali kabur adalah suatu himpunan kabur. Karena sistem tersebut hanya dapat mengeksekusikan 11 Volume 4 No.1 November 2015
3 Aplikasi Pengambilan Keputusan dengan Metode Tsukamoto pada Penentuan Tingkat Kepuasan Pelanggan (Studi Kasus di Toko Kencana Kediri) nilai yang tegas, maka diperlukan suatu mekanisme untuk mengubah nilai kabur keluaran itu menjadi nilai yang tegas. Fungsi penegasan adalah suatu pemetaan t: K R, dimana K adalah suatu kelas himpunan kabur, yang memetakan suatu himpunan kabur ke suatu bilangan real yang tegas. 5. Teknik Pengambilan Keputusan Metode Tsukamoto Pada metode Tsukamoto, sebagai akibat dari aturan masing-masing kabur yang direpresentasikan oleh himpunan kabur dengan fungsi keanggotaan monoton, terkadang disebut fungsi shoulder. Output dari masing-masing aturan bernilai tegas yang terimbas dari nilai keanggotaan. Keseluruhan output dihitung dengan rata-rata terbobot dari output masing-masing aturan. Karena setiap aturan mengambil kesimpulan outputnya bernilai tegas maka keseluruhan output model Tsukamoto juga menghindari proses lama dari penegasan. Karena fungsi keanggotaan output khusus diperlukan dari metode ini, maka hal ini tidak berguna sebagai pendekatan umum dan harus dikerjakan pada kondisi spesifik [1]. PEMBAHASAN Pada penentuan tingkat kepuasan pelanggan, variabel input yang digunakan adalah kualitas pelayanan, kualitas barang, dan harga. Serta variabel output yang digunakan adalah kepuasan pelanggan. Langkah awal yang dilakukan adalah membentuk himpunan kabur kemudian membentuk aturan JIKA-MAKA. Data input yang diperoleh dikelompokkan berdasarkan himpunan kabur. Kemudian memetakan data input ke fungsi keanggotaan untuk diperoleh derajat keanggotaan dari masing-masing data input. Derajat keanggotaan digunakan untuk mencari nilai α predikat dari masing-masing aturan. Penegasan dengan rata-rata terbobot merupakan langkah terakhir yang kemudian dapat ditarik kesimpulan dan interpretasi hasil. Berikut ini tahap-tahap dari metode Tsukamoto: Pengaburan merupakan langkah awal pada analasis logika kabur. Karena analisis bersifat kabur, maka data input yang digunakan harus bersifat kabur. Oleh karena itu, diperlukan proses mengubah data input tegas menjadi kabur. Pembentukan himpunan kabur digunakan untuk mendefinisikan nilai-nilai input tegas. Setiap himpunan kabur mempunyai domain yang nilainya terdefinisi di semesta pembicaraan. Pada penelitian ini digunakan beberapa varibel dalam menentukan tingkat kepuasan pelanggan. Variabel kualitas pelayanan, kualitas barang, dan harga sebagai variabel input. Serta variabel kepuasan pelanggan sebagai variabel output. Data diperoleh dari hasil kuesioner dan dinyatakan dengan himpunan kabur yang tercantum pada tabel sebagai berikut: Fungsi Tabel 1 Himpunan Kabur Himpunan Semesta Variabel Kabur Pembicaraan Domain CAUCHY ISSN: /E-ISSN: Input Kualitas Pelayanan Kualitas Barang Harga Output Kepuasan Pelanggan Rendah [13,21] [12,21] [12,18] [0,100] [13,17] [15,19] [17,21] [12, 16,5] [14,5, 18,5] [16,5, 21] [12,15] [13,5, 16,5] [15,18] [0,75] [25,100] Himpunan kabur diperlukan untuk merepresentasikan variabel kabur dengan membentuk fungsi keanggotaan. Fungsi keanggotaan mendefinisikan titik-titik himpunan kabur ke dalam derajat keanggotaan dengan selang tertutup [0,1] pada suatu variabel kabur tertentu. Sehingga diperoleh fungsi keanggotaan untuk kualitas pelayanan tidak ramah (PTR) sebagai berikut: 1 x x μ PTR (x) = { 13 x x 17 Fungsi keanggotaan untuk kualitas pelayanan ramah (PR) sebagai berikut: 1 x = 17 x x 17 μ PR (x) = x 17 x { 0 x 19 x 15 Fungsi keanggotaan untuk kualitas pelayanan sangat ramah (PSR) sebagai berikut: 0 x 17 x 17 μ PSR (x) = { 17 x x 21 Gambar 1 Representasi Variabel Kualitas Pelayanan (1) (2) (3)
4 Venny Riana Agustin Fungsi keanggotaan untuk kualitas barang tidak bagus (BTB) sebagai berikut: 1 y 12 16,5 y μ BTB (y) = { 16, y 16,5 (4) 0 y 16,5 Fungsi keanggotaan untuk kualitas barang bagus (BB) sebagai berikut: 1 y = 16,5 μ BB (y) = y 14,5 16,5 14,5 14,5 y 16,5 18,5 y 18,5 16,5 16,5 y 18,5 (5) { 0 y 18,5 y 14,5 Fungsi keanggotaan untuk kualitas barang sangat bagus (BSB) sebagai berikut: 0 y 16,5 y 16,5 μ BSB (y) = { 21 16,5 16,5 y 21 (6) 1 y 21 Gambar 2 Representasi Variabel Kualitas Barang Fungsi keanggotaan untuk harga tidak murah (HTM) sebagai berikut: 1 z z μ HTM (z) = { z 15 (7) 0 z 15 Fungsi keanggotaan untuk harga murah (HM) sebagai berikut: 1 z = 15 μ HM (z) = z 13, ,5 13,5 z 15 16,5 z 16, z 16,5 (8) { 0 x 16,5 x 13,5 Fungsi keanggotaan untuk harga sangat murah (HSM) sebagai berikut: 0 z 15 z 15 μ HSM (z) = { z 18 (9) 1 z 18 Gambar 3 Representasi Variabel Harga Fungsi keanggotaan untuk kepuasan pelanggan rendah (KPR) sebagai berikut: 1 k 0 75 k μ KPR (k) = { 75 0 k 75 (10) 0 k 75 Fungsi keanggotaan untuk kepuasan pelanggan tinggi (KPT) sebagai berikut: 0 k 25 k 25 μ KPT (k) = { k 100 (11) 1 k 100 Gambar 4 Representasi Variabel Kepuasan Pelanggan Logika kabur bekerja berdasarkan aturanaturan yang dibentuk dengan aturan JIKA-MAKA. Aturan ini dibentuk untuk menyatakan hubungan input- output. Dari 3 variabel kabur dan 3 himpunan kabur di atas, diperoleh 27 aturan. Setiap aturan mempunyai 3 antesenden yang menggunakan operator DAN dan 1 konsekuen. Berdasarkan hasil penelitian tentang faktor yang paling dominan pada kepuasan pelanggan toko, diketahui setiap daerah memiliki hasil yang berbeda. Sehingga, pada pembentukan aturan kabur digunakan aturan umum bahwa faktor kepuasan pelanggan memiliki pengaruh yang sama besar. Tabel 2 Aturan-Aturan Kabur Pelayanan Barang Harga Kepuasan [R1] JIKA [R2] JIKA [R3] JIKA [R4] JIKA [R5] JIKA [R6] JIKA [R7] JIKA [R8] JIKA [R9] JIKA [R10] JIKA [R11] JIKA [R12] JIKA MAKA MAKA MAKA 13 Volume 4 No.1 November 2015
5 Aplikasi Pengambilan Keputusan dengan Metode Tsukamoto pada Penentuan Tingkat Kepuasan Pelanggan (Studi Kasus di Toko Kencana Kediri) [R13] JIKA [R14] JIKA [R15] JIKA [R16] JIKA [R17] JIKA [R18] JIKA [R19] JIKA [R20] JIKA [R21] JIKA [R22] JIKA [R23] JIKA [R24] JIKA [R25] JIKA [R26] JIKA [R27] JIKA Aturan-aturan kabur di atas merupakan suatu pernyataan implikasi yang antar variabel inputnya dihubungkan dengan operator DAN. Sehingga untuk mencari nilai α predikat tiaptiap aturan digunakan fungsi implikasi MIN (minimal), yaitu mengambil derajat keanggotaan terkecil dari variabel kualitas pelayanan, kualitas barang, dan harga. α i = μ P B H = min (μ P i (x), μ B i (y), μ Hi (z)) dimana α adalah α predikat pada aturan ke-i μ P (x) adalah derajat keanggotaan kualitas pelayanan pada aturan ke-i μ B (y) adalah derajat keanggotaan kualitas barang pada aturan ke-i μ H (z) adalah derajat keanggotaan harga pada aturan ke-i. Pengambilan keputusan menggunakan metode Tsukamoto pada setiap aturan untuk mendapat nilai output (k) yang tegas berupa tingkat kepuasan pelanggan. Hasil akhir berupa output nilai k diperoleh dengan menggunakan metode rata-rata terbobot: k = k i α i α i dimana k adalah nilai tingkat kepuasan pelanggan k i adalah nilai tingkat kepuasan pelanggan masing-masing aturan α i adalah nilai α predikat masing-masing aturan. Hasil dari penegasan di atas diambil kesimpulan dan diinterpretasikan pada himpunan kabur yang telah dibentuk. Hasil output berupa nilai sehingga dapat diketahui tingkatan kepuasan pelanggan toko dari tiap-tiap pelanggan. Contoh kasus pelanggan toko memberikan nilai 16 pada kualitas pelayanan, nilai 17 pada kualitas barang, dan nilai 16 pada harga. Pemilik toko ingin mengetahui seberapa besar tingkat kepuasan pelanggan tersebut. Seperti pada Gambar 4.1 dengan fungsi keanggotaan pada persamaan (4.1), (4.2), dan (4.3), diperoleh: μ PTR (16) = = 0, μ PR (16) = = 0,5 μ PSR (16) = 0 Seperti pada Gambar 4.2 dengan fungsi keanggotaan pada persamaan (4.4), (4.5), dan (4.6), diperoleh: μ BTB (17) = 0 18,5 17 μ BB (17) = 18,5 16,5 = 0,75 μ BSB (17) = 17 16, ,5 = 0,11 Seperti pada Gambar 4.3 dengan fungsi keanggotaan pada persamaan (4.7), (4.8), dan (4.9), diperoleh: μ HTM (16) = 0 16,5 16 μ HM (16) = 16,5 15 = 0,33 z 15 μ HSM (16) = = 0,33 Dengan nilai derajat keanggotaan yang diperoleh sehingga menghasilkan α i sekaligus k i tiap aturan sebagai berikut: [R1] Jika pelayanan TIDAK RAMAH dan barang SANGAT BAGUS dan harga SANGAT MURAH maka α 1 = min(0,25, 0,11, 0,33) = 0,11 μ KPT (k) = k k 1 = 33,25 [R2] Jika pelayanan TIDAK RAMAH dan barang SANGAT BAGUS dan harga MURAH maka α 2 = min(0,25, 0,11, 0,33) = 0,11 μ KPT (k) = k k 2 = 33,25 [R3] Jika pelayanan TIDAK RAMAH dan barang BAGUS dan harga SANGAT MURAH maka α 3 = min(0,25, 0,75, 0,33) = 0,25 μ KPT (k) = k k 3 = 43,75 CAUCHY ISSN: /E-ISSN:
6 Venny Riana Agustin [R4] Jika pelayanan RAMAH dan barang SANGAT BAGUS dan harga SANGAT MURAH maka α 4 = min(0.5, 0,11, 0.33) = 0,11 μ KPT (k) = k k 4 = 33,25 [R5] Jika pelayanan RAMAH dan barang SANGAT BAGUS dan harga MURAH maka α 5 = min(0,5, 0,11, 0,33) = 0,11 μ KPT (k) = k k 5 = 33,25 [R7] Jika pelayanan RAMAH dan barang BAGUS dan harga SANGAT MURAH maka kepuasan TINGGI α 7 = min(0,5, 0,75, 0,33) = 0,33 μ KPT (k) = k k 7 = 49,75 [R8] Jika pelayanan RAMAH dan barang BAGUS dan harga MURAH maka α 8 = min(0,5, 0,75, 0,33) = 0,33 μ KPT (k) = k k 8 = 49,75 [R19] Jika pelayanan TIDAK RAMAH dan barang BAGUS dan harga MURAH maka kepuasan RENDAH α 19 = min(0,25, 0,75, 0,33) = 0,25 μ KPT (k) = 75 k 19 k = 56,25 Dari proses dan hasil di atas, maka diperoleh nilai tingkat kepuasan pelanggan (k) sebagai berikut: k = k i α i α i = 45,29063 Jadi, pelanggan toko yang memberikan nilai 16 pada kualitas pelayanan, nilai 17 pada kualitas barang, dan nilai 16 pada harga mempunyai nilai kepuasan sebesar 45,29063 dan tingkat kepuasannya adalah rendah. KESIMPULAN kualitas barang, dan nilai 16 pada harga mempunyai nilai sebesar 45,29063 dan tingkat kepuasannya adalah rendah. DAFTAR PUSTAKA [1] T. J. Ross, Fuzzy Logic with Engineering Applications Third Edition, Mexico: John Willey & Sons, Ltd, [2] S. Kusumadewi and H. Purnomo, Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Yogyakarta: Graha Ilmu, [3] G. Chen and T. T. Pham, Introductions to Fuzzy Sets, Fuzzy Logic, and Fuzzy Control Systems, New York: CRC Press, [4] F. Susilo, Himpunan dan Logika Kabur serta Aplikasinya, Yogyakarta: Graha Ilmu, Berdasarkan pembahasan, maka diperoleh kesimpulan bahwa aplikasi metode Tsukamoto pada tingkat kepuasan pelanggan bekerja melalui 5 tahap yaitu: a. Pengaburan (Fuzzyfikasi), mengubah nilai input tegas menjadi nilai input kabur dengan variabel input kualitas pelayanan, kualitas barang, harga, dan variabel output kepuasan pelanggan. b. Pembentukan aturan kabur dengan operator antar variabel input adalah operator DAN. c. Analisis logika kabur yang digunakan adalah fungsi implikasi MIN karena operator yang digunakan pada aturan adalah operator DAN. d. Penegasan (Defuzzyfikasi) menggunakan metode rata-rata terbobot. e. Penarikan kesimpulan dan interpretasi hasil. Pada contoh kasus pelanggan yang memberikan nilai 16 pada kualitas pelayanan, nilai 17 pada 15 Volume 4 No.1 November 2015
Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa
SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et
Lebih terperinciPenentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis
Lebih terperinciNURAIDA, IRYANTO, DJAKARIA SEBAYANG
Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji
Lebih terperinciANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN Khairul Saleh Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Jalan Universitas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciBAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan
BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciAplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic
Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha Menggunakan Fuzzy Logic 1. Pendahuluan Jual beli motor merupakan suatu kegiatan transaksi yang mungkin sering kita temukan di kehidupan sehari-hari. Untuk
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.
Lebih terperinciJurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:
PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang
Lebih terperinciBAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya
BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang
Lebih terperinciFUZZY LOGIC CONTROL 1. LOGIKA FUZZY
1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan
Lebih terperinciErwien Tjipta Wijaya, ST.,M.Kom
Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan
Lebih terperinciMenentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani
Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani Anitaria Simanullang 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED anitaria.simanullang@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciMENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO
MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO Ganjar Ramadhan Jurusan Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta Email : ganjar.ramadhan05@yahoo.com
Lebih terperinciSISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH
KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN
Lebih terperinciPenentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi Finding-Tutor
A527 Penentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi Finding-Tutor Syah Dia Putri Mustika Sari, R.V. Hari Ginardi, dan Chastine Fatichah Departemen Teknik
Lebih terperincimanusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.
6 BAB II TINJAUAN PUSTAKA 2.1 Gambaran Tentang Mata Mata merupakan organ tubuh manusia yang paling sensitif apabila terkena benda asing misal asap dan debu. Debu akan membuat mata kita terasa perih atau
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Permintaan 2.1.1 Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciPENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI JAYA MOTOR MEDAN )
Marsono, ISSN : 1978-6603 Saiful Nur Arif, Iskandar Zulkarnain, Penerapan Metode Tsukamoto PENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI
Lebih terperinciSIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY
SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY Nesi Syafitri. N Teknik Informatika, Fakultas Teknik Universitas Islam Riau, Jalan Kaharuddin Nasution No. 3,
Lebih terperinciPREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO
PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO Ahmad Bahroini 1, Andi Farmadi 2, Radityo Adi Nugroho 3 1,2,3Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km 36 Banjarbaru, Kalimantan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,
Lebih terperinciModel Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto
Model Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto Zaenal Abidin Program studi Sistem Informasi STMIK Teknokrat Bandar Lampung, Indonesia
Lebih terperinci4-5-FUZZY INFERENCE SYSTEMS
4-5-FUZZY INFERENCE SYSTEMS Shofwatul Uyun Mekanisme FIS Fuzzy Inference Systems (FIS) INPUT (CRISP) FUZZYFIKASI RULES AGREGASI DEFUZZY OUTPUT (CRISP) 2 Metode Inferensi Fuzzy Metode Tsukamoto Metode Mamdani
Lebih terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih terperinciIMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT
IMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT Maya Yusida 1, Dwi Kartini 2, Andi Farmadi 3, Radityo Adi Nugroho 4, Muliadi 5 123Prodi Ilmu Komputer
Lebih terperinciMetode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan
Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan
Lebih terperinciRima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang
Sistem Pendukung Keputusan Dalam Menentukan Jenis Budidaya Ikan Dengan Mengukur Kualitas Air Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Balai Benih Ikan di Pengujan Kabupaten Bintan) Rima Ayuningtyas
Lebih terperinci: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas
Lebih terperinciSIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI
SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera
Lebih terperinciPENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN
Saintia Matematika Vol. 1, No. 3 (2013), pp. 233 247. PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Zati Azmiana, Faigiziduhu Bu ulolo, dan Partano Siagian Abstrak.
Lebih terperinciIMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA
IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Dalam penelitian diagnosa penyakit asma dengan menggunakan metode fuzzy Tsukamoto, dibutuhkan data mengenai gejala penyakit dari seorang pakar atau
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Logika Fuzzy
Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi
Lebih terperinciFUZZY INFERENCE SYSTEM DENGAN METODE TSUKAMOTO SEBAGAI PEMBERI SARAN PEMILIHAN KONSENTRASI (STUDI KASUS: JURUSAN TEKNIK INFORMATIKA UII)
FUZZY INFERENCE SYSTEM DENGAN METODE TSUKAMOTO SEBAGAI PEMBERI SARAN PEMILIHAN KONSENTRASI (STUDI KASUS: JURUSAN TEKNIK INFORMATIKA UII) Arkham Zahri Rakhman 1, Helmanatun Nisa Wulandari 2, Geralvin Maheswara
Lebih terperinciSISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC
SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih terperinciPENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.
BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan
Lebih terperinciPREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI
PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI Rizka Munia Yogaswara 1), Gunawan Abdillah 2), Dian Nursantika
Lebih terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH
68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Kompetensi Pedagogik Menurut Mahmudin (2008) Kompetensi Guru merupakan seperangkat pengetahuan, keterampilan, dan perilaku yang harus dimiliki, dihayati, dikuasai, dan diaktualisasikan
Lebih terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih terperinciIMPLEMENTASI FUZZY MAMDANI PENENTUAN OPTIMASI PERSEDIAAN STOK PRODUK BARANG DALAM SEBUAH PERUSAHAAN DEFI IRWANSYAH
IMPLEMENTASI FUZZY MAMDANI PENENTUAN OPTIMASI PERSEDIAAN STOK PRODUK BARANG DALAM SEBUAH PERUSAHAAN DEFI IRWANSYAH Dosen Teknik Industri Universitas Malikussaleh Lhokseumawe ABSTRAK Sebuah perusahaan membutuhkan
Lebih terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
Lebih terperinciSTUDI TENTANG PERSAMAAN FUZZY
STUDI TENTANG PERSAMAAN FUZZY Elva Ravita Sari Evawati Alisah Jurusan Matematika Fakultas Sains Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang e-mail: mbemvie@gmail.com ABSTRAK Bilangan
Lebih terperinciBAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-
BAB II KAJIAN PUSTAKA A. Kualifikasi Akademik Ditjendikti - kemendiknas, (2010) menyatakan bahwa kualifikasi akademik adalah ijazah pendidikan tinggi yang dimiliki oleh guru pada saat yang bersangkutan
Lebih terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciadalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK
1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
Lebih terperinciKASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno
KASUS PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno CARA KERJA LOGIKA FUZZY MELIPUTI BEBERAPA TAHAPAN BERIKUT : 1. Fuzzyfikasi 2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk if..then).
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO
Hamdani, Deviana Selywita SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO 1) Hamdani, 2) Deviana Selywita, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Mulawarman
Lebih terperinciPenerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler
Penerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler Wira Buana Dosen STMIK Jayanusa wira_buana59@yahoo.com ABSTRAK Fuzzy logic merupakan salah satu pendekatan yang menggunakan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini berisi tentang pemahaman dari logika fuzzy dan data mining. Pada bab ini juga akan dijelaskan bagian-bagian yang perlu diketahui dalam logika fuzzy dan data mining, sehingga
Lebih terperinciPENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon
Lebih terperinciPENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI
PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI Hilda Lutfiah, Amar Sumarsa 2, dan Sri Setyaningsih 2. Program Studi Matematika Fakultas Matematika
Lebih terperinciPraktikum sistem Pakar Fuzzy Expert System
Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan
Lebih terperinciPERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar
Saintia Matematika Vol. 1, No. 6 (2013), pp. 517-527. PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ Rianto Samosir, Iryanto, Rosman Siregar Abstrak: Logika
Lebih terperinciBAB II: TINJAUAN PUSTAKA
BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali
Lebih terperinciPendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian
Pendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian Jumadi 1, a) Cecep Nurul Alam 2, b) 3, c) dan Ichsan Taufik 1, 2, 3 Jurusan Teknik
Lebih terperinciMetode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,
Lebih terperinciPerekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani
BINA INSANI ICT JOURNAL, Vol.3, No. 2, Desember 2016, 279-290 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 279 Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani Ghofar Taufik 1,*
Lebih terperinciFUZZY MULTI-CRITERIA DECISION MAKING
Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah suatu kumpulan atau koleksi objek-objek yang mempunyai kesamaan sifat tertentu. Objek ini disebut elemen-elemen atau anggota-anggota dari himpunan (Frans
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA 2.1. Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 2.1 Pengertiaan Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
Lebih terperinciKECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana
Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai
Lebih terperinciANALISIS PENDUKUNG KEPUTUSAN PENENTUAN PEMBELIAN BAHAN BAKU UNTUK PEMBUATAN MEUBEL JENIS KURSI LETER L MENGGUNAKAN FUZZY TSUKAMOTO
ANALISIS PENDUKUNG KEPUTUSAN PENENTUAN PEMBELIAN BAHAN BAKU UNTUK PEMBUATAN MEUBEL JENIS KURSI LETER L MENGGUNAKAN FUZZY TSUKAMOTO Sulistiyono 1), Wahyu Oktri Widyarto 2) 1 Information Technology Faculty
Lebih terperinciResearch of Science and Informatic
Sains dan Informatika Vol.2 (N0.2) (2016): 20-30 1 Rifa, Nency, Expert System For Determine Lecturer Performance JURNAL SAINS DAN INFORMATIKA Research of Science and Informatic e-mail: jit.kopertis10@gmail.com
Lebih terperinciREVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Anisa Citra Mutia, Aria Fajar Sundoro,
Lebih terperinciHimpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi
Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang
Lebih terperinciLOGIKA FUZZY FUNGSI KEANGGOTAAN
LOGIKA FUZZY FUNGSI KEANGGOTAAN FUNGSI KEANGGOTAAN (Membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai/derajat keanggotaannya yang memiliki interval
Lebih terperinciIMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)
IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari
Lebih terperinciMatematika Diskrit Fuzzy Inference System Prodi T.Informatika
Matematika Diskrit Fuzzy Inference System Prodi T.Informatika Mahasiswa dapat melakukan penalaran dengan hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Mekanisme Fuzzy Iinference Systems
Lebih terperinciANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN
ANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN SUPRIYONO Sekolah Tinggi Teknologi Nuklir BATAN Jl. Babarsari Kotak Pos 6101/YKBB Yogyakarta. Email : masprie_sttn@yahoo.com
Lebih terperinciLogika Fuzzy. Farah Zakiyah Rahmanti 2016
Logika Fuzzy Farah Zakiyah Rahmanti 2016 Topik Bahasa Alami Crisp Logic VS Fuzzy Logic Fungsi Keanggotaan (Membership Function) Fuzzifikasi (Fuzzyfication) Inferensi (Inference) Komposisi (Composition)
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciSaintia Matematika ISSN: Vol. 2, No. 2 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 115 126. PERENCANAAN JUMLAH PRODUKSI MIE INSTAN DENGAN PENEGASAN (DEFUZZIFIKASI)CENTROID FUZZY MAMDANI (Studi Kasus: Jumlah Produksi Indomie
Lebih terperinciSIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA
SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS PEMELIHARAAN PERALATAN PRODUKSI DI PDAM KOTA SURABAYA oleh: WINDA ZULVINA 5206100040 Dosen Pembimbing : Mahendrawathi
Lebih terperinciLAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA
LAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: STUDI KASUS UNIVERSITAS
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1. Sistem Pendukung Keputusan DSS adalah suatu sistem informasi yang datanya diproses dalam bentuk pembuatan keputusan bagi pemakai akhir. Karena berorientasi pada pemakai akhir,
Lebih terperinciBAB 2 LANDASAN TEORI
5 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Inteligent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk algoritma yang
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PRODUKSI BARANG DENGAN METODE FUZZY TSUKAMOTO BERBASIS ANDROID
TINF - 47 p- ISSN : 247 46 e-issn : 246 46 SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PRODUKSI BARANG DENGAN METODE FUZZY TSUKAMOTO BERBASIS ANDROID Popy Meilina *, Nurvelly Rosanti, Nuraeni Astryani
Lebih terperinciHimpunan Tegas (Crisp)
Logika Fuzzy Logika Fuzzy Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian (keraguan, ketidaktepatan, kekuranglengkapan informasi, dan kebenaran yang bersifat sebagian). Fuzzy System
Lebih terperinciANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DAN TSUKAMOTO
Jur. Ris. Ap. Mat. Vol. 1, No. 1 (2017), pp. 1 52. Jurnal Riset dan Aplikasi Matematika e-issn 2581-0154 URL: journal.unesa.ac.id/index.php/jram ANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE
Lebih terperinci